gpt-oss-20b TPS kalkulátor

Otevřít váhy OpenAI 20.9B parametry August 2025

Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..

Vypočteno pro tento model

241 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Xeon Phi 7120P

16 GB · Q4_K_M · 10.7 tok/s

Nejrychlejší karta

B200

162 tok/s · 180 GB

Které GPU mohou spustit gpt-oss-20b?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Minimální kvalita

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

Hledat karty

Paměť karty

Také zobrazit karty, které to nemohou spustit.

241 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
162 tok/s 97–259 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	23.1 GB	Q8_0	Pohodlný
162 tok/s 97–259 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	23.1 GB	Q8_0	Pohodlný
129 tok/s 78–207 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	23.1 GB	Q8_0	Pohodlný
129 tok/s 78–207 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	23.1 GB	Q8_0	Pohodlný
103 tok/s 62–166 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	23.1 GB	Q8_0	Pohodlný
99.1 tok/s 59–158 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	23.1 GB	Q8_0	Pohodlný
99.1 tok/s 59–158 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	23.1 GB	Q8_0	Pohodlný
94.8 tok/s 57–152 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	23.1 GB	Q8_0	Pohodlný
84.1 tok/s 50–135 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	23.1 GB	Q8_0	Pohodlný
84.1 tok/s 50–135 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	23.1 GB	Q8_0	Pohodlný
84.1 tok/s 50–135 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	23.1 GB	Q8_0	Pohodlný
79.8 tok/s 48–128 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	23.1 GB	Q8_0	Pohodlný
68.1 tok/s 41–109 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	23.1 GB	Q8_0	Pohodlný
68.1 tok/s 41–109 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	23.1 GB	Q8_0	Pohodlný
68.1 tok/s 41–109 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	23.1 GB	Q8_0	Pohodlný
68.1 tok/s 41–109 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	23.1 GB	Q8_0	Pohodlný
68.1 tok/s 41–109 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	23.1 GB	Q8_0	Pohodlný
52.8 tok/s 32–85 · nízká důvěra	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.3 GB	Q4_K_M	Těsný
51.8 tok/s 31–83 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	23.1 GB	Q8_0	Pohodlný
51.8 tok/s 31–83 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	23.1 GB	Q8_0	Pohodlný
44.9 tok/s 27–72 · nízká důvěra	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.3 GB	Q4_K_M	Těsný
43.2 tok/s 26–69 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	23.1 GB	Q8_0	Pohodlný
42.3 tok/s 25–68 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	23.1 GB	Q8_0	Pohodlný
41.9 tok/s 25–67 · nízká důvěra	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.3 GB	Q4_K_M	Těsný
41.9 tok/s 25–67 · nízká důvěra	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.3 GB	Q4_K_M	Těsný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

Na záznamu

Plná specifikace

Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..

Původ

Kdo vytvořil tento model, kde a kdy byl publikován.

Organizace: OpenAI
Typ organizace: Industry
Země: United States of America
Publikováno: 5 August 2025

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Language
Úkol: Language modeling/generation, Question answering

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 20.9B
Výcviková data: tokens

Výpočty pro trénink

Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.

Výpočty pro trénink: 5.5 × 10²³ FLOP
Jak bylo ustanoveno: Hardware

Tréninkový běh

Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.

Tréninkový hardware: NVIDIA H100 SXM5 80GB

Dostupnost

Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.

Hmotnosti: Open — downloadable
Přístup k modelu: Open weights (unrestricted)

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Pravděpodobně nad 10²³ FLOP: Yes
Proč je to sledováno: Discretionary
Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: gpt-oss-120b & gpt-oss-20b Model Card
Nap poslední aktualizace: 10 February 2026

Extrémy

Deset nejrychlejších GPU, které běží gpt-oss-20b

Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..

Nejmenší GPU, které ještě běží gpt-oss-20b

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

Xeon Phi 7120P

Potřeba paměti

13.3 GB

Nejrychlejší

162 tok/s

gpt-oss-20b dosahuje počtu parametrů 20.9B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 241.

Nejmenší hardware, který funguje, je Xeon Phi 7120P, s kapacitou VRAM 16 GB, spuštění na kompresi Q4_K_M a vyrábějí kolem 10.7 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 162 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Odkud to přišlo

gpt-oss-20b byl zveřejněn OpenAI, v zemi zaznamenané jako United States of America, během August 2025. Vydavatelská organizace je kategorizována jako industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering.

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu.

Porozumění rychlostem

Mediánový výsledek je kolem 21.0 tokens za sekundu. Překračující rychlost čtení rovnou: 198 z nich

Být hustý, čte vše sám po tokenu, což je důvod, proč pořadí podle rychlosti níže úzce následuje pořadí podle šířky pásma VRAM.

Jeho vnitřní architektura není v evidenci, takže paměť je přibližně odhadnuta z počtu parametrů a označena odpovídajícím způsobem. Očekávejte, že skutečná čísla se budou lišit, zejména u dlouhého kontextu.

Co bylo zapotřebí k jeho vybudování

Trénování si vyžádalo výpočetní rozpočet přibližně 5.5 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA H100 SXM5 80GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Jeho kritérium zahrnutí: discretionary.

Krok za krokem

Jak vybrat GPU pro gpt-oss-20b

Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.

01

Začněte od sloupce paměti

Každá KARTA zde byla zkontrolována proti gpt-oss-20b, potřebující kolem 13.3 GB při kompresi Q4_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Přizpůsobte kontext svému skutečnému použití

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro gpt-oss-20b.
03

Rozhodněte, jaké množství komprese přijmete

Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., dosahující komprese Q4_K_M na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
04

Srovnejte TPS, ne specifikace

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro gpt-oss-20b. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 162 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě gpt-oss-20b. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
06

Podívejte se, co dalšího ta karta spouští

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě gpt-oss-20b.

Odpovědi

gpt-oss-20b — běžné otázky

gpt-oss-20b— kolik má parametrů?

Má počet parametrů 20.9B. Total parameters: 20.91B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

gpt-oss-20b— Kdo to vytvořil?

Bylo to publikováno společností OpenAI, zakládající se na United States of America, organizace zařazená jako industry.

gpt-oss-20b— Kdy byl vydán?

Bylo to zveřejněno v August 2025.

gpt-oss-20b— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

gpt-oss-20b— kde si to mohu stáhnout?

Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.

gpt-oss-20b— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 5.5 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA H100 SXM5 80GB. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.

gpt-oss-20b— Mohu to spustit, pokud se to nevejde do mé GPU?

Může být rozdělen mezi GPU kartu a systémovou paměť, ale v tomto případě se generuje bolestivě pomalu. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 2.5 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

gpt-oss-20b— Běhalo by to rychleji na dvou GPU?

Druhá karta přibližně zdvojnásobí dostupnou paměť, ale ne rychlost generování. Počet, který je již schopen ji spustit sám: 241. Takže druhá karta je tu zřídka odpovědí.

gpt-oss-20b— proč se kvantizace liší mezi kartami?

Každá KARTA je zobrazena, jak běží nejméně komprimovaná kopie, kterou může udržet. Počet různých úrovní komprese napříč KARTAMI, které ji vejít: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

gpt-oss-20b— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 97–259 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

gpt-oss-20b— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Xeon Phi 7120P, s kapacitou VRAM 16 GB. Spouští model při kompresi Q4_K_M používající přibližně 13.3 GB, a produkuje přibližně 10.7 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 241.

gpt-oss-20b— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 162 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 198.

gpt-oss-20b— kolik VRAM potřebuje?

Potřebuje asi 13.3 GB při kompresi Q4_K_M, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.

gpt-oss-20b— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q4_K_M, používající přibližně 13.3 GB a generováním zhruba 52.8 tokenů za sekundu. Fit je těsný.

gpt-oss-20b— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q6_K, používající přibližně 18.2 GB a generováním zhruba 39.4 tokenů za sekundu. Fit je těsný.

gpt-oss-20b— Je to OPEN SOURCE?

Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 10 February 2026

Druhý směr

Díváte se na to z druhé strany?

Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.

Všechny AI modely